Baixe o app para aproveitar ainda mais
Prévia do material em texto
08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 1/34 ÁLGEBRA LINEAR COMPUTACIONALÁLGEBRA LINEAR COMPUTACIONAL MATRIZESMATRIZES Autor: Me. Ricardo Noboru Igarashi R e v i s o r : R a i m u n d o A l m e i d a I N I C I A R 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 2/34 introduçãoIntrodução Nesta parte do nosso estudo de Álgebra Computacional, apresentaremos o conceito de matrizes. Começaremos a apresentar como escrever uma matriz e depois apresentaremos os vários tipos de matrizes. Também apresentaremos as operações envolvendo matrizes: adição, subtração e multiplicação. Além disso, usaremos essas operações em equações matriciais. Após isso, apresentaremos as técnicas para o cálculo do determinante. Calcularemos os determinantes desde 1x1 até ordens maiores. Essas técnicas serão importantes no caso de sistemas lineares, pois serão usadas para a resolução desses sistemas, por exemplo, usaremos a regra de Cramer para isso. Por �m, apresentaremos a técnica de escalonamento para a resolução de sistemas lineares. A importância para a parte computacional seria que essas técnicas são aplicadas em algoritmos para sistemas muito grandes (muitas incógnitas). 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 3/34 Podemos de�nir uma matriz como sendo uma tabela retangular formada por números dispostos ordenadamente em linhas e colunas (WINTERLE, 2000). Por exemplo, se uma matriz possui linhas e colunas, dizemos que ela é do tipo , ou de ordem . Dentro de uma matriz, colocamos, geralmente, números que são chamados elementos ou termos da matriz. Se consideramos uma matriz do tipo será escrita do seguinte modo: Podemos escrever matematicamente a matriz como: Em que representa a posição da linha onde o elemento se encontra na matriz e a posição da coluna em que o elemento se encontra na matriz. Matriz Quadrada A partir dos conceitos de matriz apresentados, uma matriz especial para o nosso estudo seria a matriz quadrada. A matriz quadrada é toda matriz que tem o mesmo número de linhas e colunas (WINTERLE, 2000). Por exemplo, a matriz é uma matriz quadrada de ordem 2. Há, também, uma matriz MatrizesMatrizes m n m x n m x n A m x n ⎡ ⎣ ⎢⎢⎢⎢⎢⎢⎢ a11 a21 a31 ⋮ am1 a12 a22 a32 ⋮ am2 a13 ⋯ a1n a23 ⋯ a2n a33 ⋮ am3 ⋯ ⋯ a3n ⋮ amn ⎤ ⎦ ⎥⎥⎥⎥⎥⎥⎥ mxn A = com 1 ≤ i ≤ m 1 ≤ j ≤ n i, j ∈ N[ ]aij mxn [ ]a11 a21 a12 a22 2x2 ⎡ ⎣ ⎢ a11 a21 a31 a12 a22 a32 a13 a23 a33 ⎤ ⎦ ⎥ 3x3 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 4/34 que é uma matriz quadrada de ordem 3. No nosso curso de Álgebra, essas matrizes quadradas, 2x2 e 3x3 serão de suma importância para o nosso estudo de sistema linear. Outros conceitos que são de importância em uma matriz quadrada são os elementos , que formam a diagonal principal da matriz. A outra diagonal da matriz quadrada denomina-se diagonal secundária. Matriz Triangular Vamos considerar uma matriz quadrada de ordem n. Quando todos os elementos que estão acima ou abaixo da diagonal principal são nulos, dizemos que a matriz é triangular. Temos dois exemplos, a seguir. No primeiro exemplo, temos representada uma Matriz triangular inferior e, no segundo, uma Matriz triangular superior. Matriz triangular inferior Matriz triangular superior Em uma matriz triangular, para ou para Matriz Diagonal Considere uma matriz quadrada de ordem n. Se todos os elementos situados acima ou abaixo da diagonal principal são nulos, podemos a�rmar que a matriz é diagonal. Em uma matriz diagonal , para Matriz Identidade Nas nossas de�nições de matriz, temos de de�nir a chamada matriz identidade . No caso, a matriz identidade será uma matriz quadrada de ordem n, em que todos os elementos da diagonal principal são iguais a 1, e os outros elementos são iguais a zero (WINTERLE, 2000). A seguir, mostramos exemplos de matiz identidade de ordem e . . , , , … , a11 a22 a33 ann ⎛ ⎝ ⎜ 2 8 7 0 3 9 0 0 5 ⎞ ⎠ ⎟ ⎛ ⎝ ⎜ 2 0 0 2 3 0 1 4 5 ⎞ ⎠ ⎟ = 0aij i > j = 0aij i < j ⎛ ⎝ ⎜ 2 0 0 0 3 0 0 0 5 ⎞ ⎠ ⎟ ⎛ ⎝ ⎜ 1 0 0 0 2 0 0 0 4 ⎞ ⎠ ⎟ = 0aij i ≠ j In 2x2, 3x3 nxn = = = I2 [ ] 1 0 0 1 2x2 I3 ⎡ ⎣ ⎢ 1 0 0 0 1 0 0 0 1 ⎤ ⎦ ⎥ 3x3 In ⎡ ⎣ ⎢⎢⎢⎢⎢⎢⎢ 1 0 0 ⋮ 0 0 1 0 ⋮ 0 0 ⋯ 0 0 ⋯ 0 1 ⋮ 0 ⋯ ⋱ ⋯ 0 ⋮ 1 ⎤ ⎦ ⎥⎥⎥⎥⎥⎥⎥ nxn 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 5/34 Igualdade de Matrizes Vamos considerar duas matrizes A e B, que possuam a mesma ordem. Considere como exemplo uma matriz 3x2: Quando acontece de haver matrizes de mesma ordem, os elementos que ocupam a mesma posição são chamados correspondentes. Desse modo, as matrizes A e B, consideradas acima, têm seus elementos correspondentes dados por: a11 e b11 a12 e b12 a21 e b21 a22 e b22 a31 e b31 a32 e b32 Assim, podemos a�rmar que duas matrizes A e B são iguais se, e somente se, têm a mesma ordem e seus elementos correspondentes são iguais Considerando as matrizes A=(aij)mxn e B=(bij)mxn , simbolicamente, podemos escrever: A=B aij = bij com 1 ≤ i ≤ m e 1 ≤ i ≤ n Exemplo : Sabendo que determine a, b, c e d. Solução: como as duas matrizes são iguais, seus elementos correspondentes devem ser iguais, também. Assim, teremos: Operações com Matrizes De�nidas as matrizes, apresentaremos algumas operações usando matrizes. Aqui, trabalharemos com a adição, subtração, multiplicação entre matrizes e multiplicação de uma matriz por um escalar. Adição de Matrizes Para somarmos duas matrizes, devemos considerar que devem ter a mesma ordem. Por exemplo: considere as matrizes e de mesma ordem. Denomina-se soma da matriz com a matriz que representamos por . A matriz também será da mesma ordem de e . Matematicamente, teremos: e B A = B = ⎛ ⎝ ⎜ a11 a21 a31 a12 a22 a32 ⎞ ⎠ ⎟ ⎛ ⎝ ⎜ b11 b21 b31 b12 b22 b32 ⎞ ⎠ ⎟ [ ] = [ ]a + b 2b b + c 2a − 3d 9 6 −1 18 a + b = 9 b + c = −1 2b = 6 2a − 3d = 18 2b = 6 b = 3 a + b = 9 a + 3 = 9 a = 6 2a − 2d = 18 2.6 − 2d = 18 − 2d = 6 d = −3 b + c = −1 3 + c = −1 c = 4 A = [ ]aij mxn = [ ]bij mxn 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 6/34 podemos de�nir a matriz C da seguinte maneira: onde . Exemplo: Considere a matriz e . Calcule Subtração de Matrizes Na subtração de matrizes, usaremos o mesmo conceito da adição de matrizes, isto é, elas têm de ser da mesma dimensão. Por exemplo: Se e B podemos de�nir a matriz C da seguinte maneira: onde Exemplo: Considere a matriz e . Calcule Multiplicação de Matrizes Na multiplicação de matrizes, devemos considerar uma matriz e uma matriz . O produto da matriz por é a matriz , tal que é calculado multiplicando-se ordenadamente os elementos da linha da matriz pelos elementos da coluna da matriz e somando-se os produtos obtidos (WINTERLE, 2000). Podemos veri�car que, para que ocorra a multiplicação de matrizes, é necessário que os “meios” sejam iguais. Por exemplo, no caso das matrizes e devemos ter . De uma maneira genérica, devemos fazer a seguinte operação entre as matrizes: e Observe que a matriz é de ordem sendo a matriz . Nesse caso, as duas matrizes podem ser multiplicadas: Repare que multiplicamos as linhas da matriz A pela coluna da matriz B. Esse mecanismo serve para o conceito de multiplicação de matrizes. O resultado �nal é uma matriz , isto é, a quantidade de linhas da matriz A e a quantidadede colunas da matriz B. Exemplo: Considere a seguintes matrizes C = [ ]cij mxn = +cij aij bij A = ( )1 5 −3 4 B = ( )−1 2 6 0 C = A + B. C = ( ) + ( ) = ( ) = ( ) .1 5 −3 4 −1 2 6 0 1 − 1 = 0 5 + 2 = 7 −3 + 6 = 3 4 + 0 = 4 0 7 3 4 A = [ ]aij mxn = [ ]bij mxn C = [ ]cij mxn = −cij aij bij A = ( )1 5 −3 4 B = ( )−1 2 6 0 C = A − B. C = ( ) − ( ) = ( ) = ( ) .1 5 −3 4 −1 2 6 0 1 + 1 = 2 5 − 2 = 3 −3 − 6 = −9 4 − 0 = 4 2 3 −9 4 A = [ ]aij mxn B = [ ]bij nxp A B C = [ ]cij mxp cij i A j B A B, n = p A = ( )a11 a21 a12 a22 B = ( )b11 b21 b12 b22 b13 b23 A 2x2, B 2x3 ( ) . ( ) = ( ) .a11 a21 a12 a22 b11 b21 b12 b22 b13 b23 +a11b11 a12b21 +a21b11 a22b21 +a11b12 a12b22 +a21b12 a22b22 +a11b13 a12b23 +a21b13 a22b23 2x3 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 7/34 e faça a multiplicação e depois . Veja que a matriz multiplicada pela matriz fornece um resultado . Repare que a multiplicação entre não é possível, pois os “meios” não são iguais. Isso mostra que, geralmente, a multiplicação entre as matrizes não é comutativa. Multiplicação de um Número Real por uma Matriz No módulo anterior, estudamos a multiplicação de um vetor por um escalar. Naquele caso, todas as componentes do vetor têm de ser multiplicadas por esse escalar. Aqui, temos uma situação um pouco parecida, pois todos os elementos da matriz têm de ser multiplicados por esse número. Exemplo: Faça a multiplicação da matriz pelo número 3. Matriz Transposta de uma Matriz Dada Vamos de�nir um conceito de matriz chamado matriz transposta. Para isso, consideraremos uma matriz A do tipo . Assim, podemos a�rmar que uma matriz é chamada matriz transposta de , indicada por , a matriz onde as linhas são ordenadamente as colunas de (WINTERLE, 2000). Vejamos um exemplo: Exemplo: Considere a matriz Encontre a matriz transposta. Com esse exemplo, mostramos que na matriz de ordem a sua transposta �ca com ordem . Matriz Inversa de uma Matriz Dada Na seção de multiplicação de duas matrizes, veri�camos que, geralmente, não existe a propriedade comutativa. Por exemplo, muitas vezes difere de . Contudo, a propriedade comutativa ocorre em matrizes quadradas, quando A matriz é chamada matriz inversa de . Multiplicando a matriz pela sua inversa , teremos a matiz identidade, matematicamente: Quando existe a matriz inversa de A, dizemos que A é invertível ou não singular. Exemplo: A = ( )1 2 B = ( )2 3 AB BA AB = ( ) ( ) = ( ) = ( ) .1 2 2 3 1.2 = 2 2.2 = 4 1.3 = 3 2.3 = 6 2 4 3 6 2x1 1x2 2x2 BA A = ( )2 4 3 6 3A = 3( ) = ( ) .2 4 3 6 6 12 9 18 mxn A At nxm A A = ( ) .3 −2 = ( ) .At 3 −2 2x1 1x2 AB BA B = . A−1 A−1 A A A−1 A = A = I.A−1 A−1 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 8/34 A matriz é invertível e sua matriz inversa é Podemos veri�car que é a matriz inversa veri�cando a igualdade Note que: e Para determinar a matriz inversa, resolveremos um sistema linear associado ao problema. Equação Matricial De�nimos as operações de adição, subtração e multiplicação de matrizes e multiplicação de um número real por uma matriz. Com isso, já é possível realizar equações matriciais. Exemplo: Calcule o valor de X na seguinte expressão matricial Veri�camos que temos a operação de subtração, lembrando que as matrizes têm de ser da mesma ordem. Assim, escrevemos a matriz como: o nosso objetivo será encontrar os valores , , e . . Usando o conceito de igualdade de matrizes: → → → A matriz vai ser escrita como: Exemplo: Calcule a matriz da seguinte equação , sendo e . A = [ ]1 2 −1 0 = [ ]A−1 0 −1 1 2 1 2 A−1 A. =A−1 I2 [ ] . [ ] = [ ]1 2 −1 0 0 −1 1 2 1 2 1 0 0 1 [ ] . [ ] = [ ] 0 −1 1 2 1 2 1 2 −1 0 1 0 0 1 X − ( ) = ( )−3 5 0 1 2 11 5 12 X X = ( )a c b d a b c d ( ) − ( ) = ( )a c b d −3 5 0 1 2 11 5 12 ( ) = ( )a + 3 c − 5 b − 0 d − 1 2 11 5 12 a + 3 = 2 a = 2 − 3 = −1 b = 5 c − 5 = 11 c = 11 + 5 = 16 d − 1 = 12 d = 12 + 1 = 13. X X = ( ) .−1 16 5 13 X AX = B A = ( )1 2 −1 0 B = ( )2 3 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 9/34 Observamos que, para que ocorra a multiplicação, a matriz terá de ter a seguinte forma: → usando o conceito de igualdade de matrizes substituíndo esse valor em → → → . . Aplicação de Matrizes na Computação Grá�ica Na computação grá�ca, uma aplicação interessante das matrizes seria nas operações de translação, rotação e mudança de escala nas imagens. Isso tudo é feito por operações de matrizes, e, em computação grá�ca, é o que se chama transformação geométrica (SANTOS, 2012). Para um entendimento melhor dessas operações, observe a Figura 2.1: Rotação: uma rotação de α graus de um ponto (x,y) no sentido anti-horário e em torno da origem é feita a partir da multiplicação da matriz pela matriz gerando uma matriz P’ com a nova posição do ponto (x,y) após a rotação. Translação: uma translação de um ponto (x,y) de Tx unidades para a direita na coordenada x e Ty unidades para cima na coordenada y é feita pela soma da matriz com a matriz gerando uma matriz com as coordenadas do novo ponto após a translação. Escala: uma mudança de escala de um ponto (x,y) em relação à origem das coordenadas – usando um fator multiplicativo Sx para a coordenada x e um fator Sy para a coordenada y – é feita usando-se a matriz e a matriz gerando uma matriz com as coordenadas do novo ponto a mudança de escala. Exemplos das operações de translação, rotação e mudança de escala: X X = ( ) .a b ( )( ) = ( )1 2 −1 0 a b 2 3 ( ) = ( )a − b 2a 2 3 2a = 3 → a = 32 a − b = 2 − b = 232 b = − 2 3 2 b = − 1 2 X = ( ) 3 2 − 12 Figura 2.1 - Transformação de rotação, mudança de escala e translação Fonte: Elaborada pelo autor. R = [ ]cos α sen α −sen α cos α P = [ ] ,x y T = [ ]Tx Ty P = [ ] ,x y E = [ ]Sx 0 0 Sy P = [ ] ,x y 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 10/34 1. Determine a nova posição do ponto (2,3), após uma rotação de 90° no sentido anti-horário, em torno da origem 2. Determine a nova posição do ponto (2, 3), após uma ampliação em relação à origem das coordenadas em 100% 3. Determine a nova posição do ponto (2, 3), após uma translação de 4 unidades para cima e 3 unidades para a esquerda. praticarVamos Praticar As matrizes podem obedecer a leis de formação que são expressas em termos da linha (i) e coluna (j). Lembrando que os elementos de uma matriz podem ser escritos como . Escreva a matriz tal que . a) b) c) d) e) [ ] = [ ] . [ ] = [ ] . [ ] = [ ]x ′ y′ cos 90∘ sen 90∘ −sen 90∘ cos 90∘ 2 3 0 1 −1 0 2 3 −3 2 [ ] = [ ] . [ ] = [ ]x ′ y′ 2 0 0 2 2 3 4 6 [ ] = [ ] + [ ] = [ ]x ′ y′ −3 4 2 3 −1 7 aij A = ( )aij 2x2 = +aij i 2 j2 [ ]2 6 6 8 [ ]4 5 5 8 [ ]2 8 5 8 [ ]2 5 5 8 [ ]5 8 2 5 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 11/34 Toda matriz quadrada tem associada um número chamado determinante da matriz, que é obtido por meio de operações que envolvem todos os elementos da matriz. As aplicações dos determinantes estão associadas aos seguintes tópicos: cálculo de matriz inversa; resolução de sistemas lineares pelo método de Cramer; cálculo de área de triangulo, quando são conhecidas as coordenadas do vértice; cálculo de produto vetorial e produto misto, dentre outros. Determinante de uma Matriz Quadrada de Ordem 2 Se A é uma matriz quadrada de ordem 2, calculamos seu determinante fazendo o produto dos elementos da diagonal principal, menos o produto dos elementos da diagonal secundária. Dada a Matriz Determinante de uma Matriz Quadrada de Ordem 3 Considere a matriz genérica de ordemtrês De�ne-se o determinante da matriz de ordem 3 no seguinte número DeterminantesDeterminantes A = [ ]a11 a21 a12 a22 2x2 det A = . − .a11 a22 a12 a21 A = ⎡ ⎣ ⎢ a11 a21 a31 a12 a22 a32 a13 a23 a33 ⎤ ⎦ ⎥ 3x3 detA = ∣ ∣ ∣ ∣ a11 a21 a31 a12 a22 a32 a13 a23 a33 ∣ ∣ ∣ ∣ detA = . . + . . + . . − . . − . . − . .a11 a22 a33 a12 a23 a31 a12 a21 a32 a13 a22 a31 a12 a21 a33 a11 a23 a32 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 12/34 Para obter esses seis produtos de uma forma prática, usaremos a regra de Sarrus indicada na Figura 2.2, que consiste em repetir as duas primeiras colunas à direita da matriz e efetuar as multiplicações, como indicado no esquema a seguir: Exemplo: aplique a regra de Sarrus, para calcular o determinante da matriz dada. = 16 + 15 +36 – 10 = 57 Determinante de uma Matriz Quadrada de Ordem 4 ou Mais Para calcular o determinante de uma matriz de ordem maior ou igual a 4, podemos usar o teorema de Laplace ou a regra de Chio. Veremos cada um deles, a seguir: Teorema de Laplace Antes de mostrar a de�nição do teorema de Laplace, vamos de�nir algumas propriedades. I – Menor complementar Chamamos de menor complementar relativo o elemento de uma matriz M quadrada de ordem o determinante de ordem associado à matriz obtida de M quando suprimimos a linha e a coluna que passa por . Exemplo: Dada a matriz determine o menor complementar do elemento Suprimindo a linha e a coluna do elemento como mostra a �gura a seguir obtemos a matriz quadrada de ordem 1 Figura 2.2 - Aplicação da regra de Sarrus Fonte: Elaborada pelo autor. ⎡ ⎣ ⎢ 3 5 2 2 0 −3 −1 4 1 ⎤ ⎦ ⎥ ⎡ ⎣ ⎢ 3 5 2 2 0 −3 −1 4 1 ⎤ ⎦ ⎥ 3 5 2 2 0 −3 aij n > 1 MCij n − 1 aij A = [ ]a11 a21 a12 a22 2x2 .a21 ,a21 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 13/34 obtemos a matriz menor complementar II – Cofator Chamamos de cofator relativo o elemento de uma matriz quadrada de ordem o número , tal que Exemplo: Considere a matriz calcule Usando a de�nição → III – Teorema de Laplace O determinante de uma matriz quadrada de ordem pode ser obtido pela soma dos produtos dos elementos de uma �la qualquer (linha ou coluna ) da matriz M pelo respectivo cofator. Assim, �xando um , tal que Exemplo: Calcule o determinante da matriz a seguir, usando a regra de Laplace Usando o Teorema de Laplace temos de considerar uma linha ou coluna da matriz acima, que tem o maior número de zero. Nesse caso, usaremos a coluna 2 ( ). A expressão da Teorema de Laplace . Observamos que a escolha da linha ou coluna que tem maior número zero facilita o método de cálculo. Exemplo: Calcule o determinante da matriz a seguir, usando o Teorema de Laplace: Nesse caso, escolheremos a linha 4 ( ). [ ]a11 a21 a12 a22 2x2 a12 aij n, Aij = .MAij (−1) i+j Cij ⎛ ⎝ ⎜ 1 5 4 −3 8 3 0 2 2 ⎞ ⎠ ⎟ A12 = .MAij (−1) i+j Cij = M = −1. = −1.10 = −10.A12 (−1) 1+2 C12 8 3 2 2 n > 1 jN 1 ≤ j ≤ m detM = ∑ m i=1 aijAij ⎡ ⎣ ⎢ 3 5 2 2 0 −3 −1 4 1 ⎤ ⎦ ⎥ j = 2 detM = + +a12A12 a22A22 a32A32 detM = 2 + 0 − 3(−1)1+2 ∣ ∣ ∣ 5 2 4 1 ∣ ∣ ∣ (−1)2+2 ∣ ∣ ∣ 3 2 −1 1 ∣ ∣ ∣ (−1)3+2 ∣ ∣ ∣ 3 5 −1 4 ∣ ∣ ∣ detM = −2 (5 − 8) + 3 (12 + 5) = 6 + 51 = 57 ⎛ ⎝ ⎜⎜⎜ −2 0 3 −1 3 1 −4 0 1 2 7 1 5 −2 1 −1 ⎞ ⎠ ⎟⎟⎟ i = 4 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 14/34 Regra de Chió Veremos, agora, uma regra que nos permite também calcular o determinante de uma matriz de ordem usando uma matriz de ordem . A regra de Chió somente poderá ser usada se o elemento da matriz . Veremos a regra aplicada em uma matriz de ordem 4. Exemplo: Calcule o determinante da matriz a seguir, usando a regra de Chió: Usando a fórmula da regra de Chió, teremos: . Propriedade dos Determinantes de uma Matriz Nesta seção, vamos apresentar algumas propriedades de determinantes que podem facilitar muito os cálculos. Teorema de Jacobi O Teorema de Jacobi implica que se multiplicarmos todos os elementos de uma �la (linha ou coluna) de uma matriz por um mesmo número não nulo, e somarmos os resultados dos elementos aos seus correspondentes de outra �la (linha ou coluna), obteremos outra matriz . Após essas operações, teremos que (MOCCIO, 2018). Exemplo) detM = + + +a41A41 a42A42 a43A43 a44A44 detM = 1 + 0 + (−2) + (−1)(−1)4+1 ∣ ∣ ∣ ∣ 3 −1 −4 1 2 5 7 1 1 ∣ ∣ ∣ ∣ (−1) 4+2 ∣ ∣ ∣ ∣ 2 0 3 1 2 5 7 1 1 ∣ ∣ ∣ ∣ (−1) 4+3 ∣ ∣ ∣ ∣ −2 0 3 3 −1 −4 7 1 1 ∣ ∣ ∣ ∣ (−1) 4+4 ∣ ∣ ∣ ∣ −2 0 3 detM = −1 (9) + 2 (24) − 1 (15) = −9 + 48 − 15 = 24 = ∣ ∣ ∣ ∣ ∣ ∣ 1 a21 a31 a41 a12 a13 a14 a22 a23 a24 a32 a33 a34 a42 a43 a44 ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ − ( . )a22 a12 a21 − ( . )a32 a12 a31 − ( . )a42 a12 a41 − ( . )a23 a13 a21 − ( . )a33 a13 a31 − ( . )a43 a13 a41 − ( . )a24 a14 a21 − ( . )a34 a14 a31 − ( . )a44 a14 a41 ∣ ∣ ∣ ∣ ∣ ⎛ ⎝ ⎜⎜⎜ 1 0 2 2 3 3 0 −1 0 1 −2 3 2 0 4 −2 ⎞ ⎠ ⎟⎟⎟ = = = 12 ∣ ∣ ∣ ∣ ∣ ∣ 1 0 2 2 3 3 0 −1 0 1 −2 3 2 0 4 −2 ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ 2 − (2.0) 0 − (2.3) −1 − (2.3) 1 − (0.0) 2 − (0.3) 0 − (0.3) 3 − (−2.0) 4 − (−2.3) −2 − (−2.3) ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ ∣ 2 −6 −7 1 2 0 3 10 4 ∣ ∣ ∣ ∣ A B det A = det B 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 15/34 Nesse exemplo, mostraremos como funciona o teorema de Jacobi. Considere uma matriz Construiremos outra matriz, que chamaremos de , considerando a segunda linha de A mais o triplo da terceira linha de . Se calcularmos os determinantes das matrizes e serão iguais. Teorema de Binet Outro teorema importante seria o Teorema de Binet. Para entender esse teorema, considere e duas matrizes quadradas de mesma ordem e a matriz produto, então (MOCCIO, 2018). Como exemplo, considere duas matrizes A e B: Calculando os determinantes das duas matrizes, teremos: . Multiplicando as duas matrizes, teremos: Calculando o determinante da matriz : A A = ⎛ ⎝ ⎜ 2 −3 1 4 2 6 −1 5 3 ⎞ ⎠ ⎟ B A B = = ⎛ ⎝ ⎜ 2 −3 + 3.1 1 4 2 + 3.6 6 −1 5 + 3.3 3 ⎞ ⎠ ⎟ ⎛ ⎝ ⎜ 2 0 1 4 20 6 −1 14 3 ⎞ ⎠ ⎟ A B, A B AB det AB = det A . det B A = ⎛ ⎝ ⎜ 1 2 1 1 1 4 2 3 2 ⎞ ⎠ ⎟ B = ⎛ ⎝ ⎜ 3 2 2 −1 1 1 −2 1 −2 ⎞ ⎠ ⎟ detA = = 3 ∣ ∣ ∣ ∣ 1 2 1 1 1 4 2 3 2 ∣ ∣ ∣ ∣ detB = = −15 ∣ ∣ ∣ ∣ 3 2 2 −1 1 1 −2 1 −2 ∣ ∣ ∣ ∣ AB = ⎛ ⎝ ⎜ 1 2 1 1 1 4 2 3 2 ⎞ ⎠ ⎟ ⎛ ⎝ ⎜ 3 2 2 −1 1 1 −2 1 −2 ⎞ ⎠ ⎟ = ⎛ ⎝ ⎜ 1.3 + 1.2 + 2.2 2.3 + 1.2 + 3.2 1. (3) + 4.2 + 2.2 1. (−1) + 1.1 + 2.1 2. (−1) + 1.1 + 3.1 1. (−1) + 4.1 + 2.1 1. (−2) + 1.1 + 2. (−2) 2. (−2) + 1.1 + 3. (−2) 1. (−2) + 4.1 + 2. (−2) ⎞ ⎠ ⎟ = ⎛ ⎝ ⎜ 9 14 15 2 2 5 −5 −9 −2 ⎞ ⎠ ⎟ AB 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 16/34 Assim, mostramos que A seguir, colocamos algumas outras propriedades de determinantes: Se trocarmos duas linhas ou duas colunas de uma matriz quadrada, seu determinante troca somente de sinal. Exemplo) Considere a matriz a seguir: → Trocando as duas linhas da matriz, teremos: . Se multiplicarmos todos os elementos de uma linha ou coluna de uma matriz quadrada por um número k, seu determinante será multiplicado por este número k. Exemplo: Considere a matriz a seguir: → Se multiplicamos toda a matriz por 2, teremos: Observe que multiplicamos todas as linhas por 2. Desse modo, 2.2.2.3=24. Se todos os elementos de uma �la (linha ou coluna) de uma matriz quadrada forem iguais a zero, seu determinante será nulo. Exemplo: Considere a matriz O determinante de uma matriz quadrada é igual ao determinanteda matriz transposta. Exemplo: detAB = = −45. ∣ ∣ ∣ ∣ 9 14 15 2 2 5 −5 −9 −2 ∣ ∣ ∣ ∣ det AB = det A. detB. A A = ⎛ ⎝ ⎜ 1 2 1 1 1 4 2 3 2 ⎞ ⎠ ⎟ detA = 3 = →A′ ⎛ ⎝ ⎜ 2 1 1 1 1 4 3 2 2 ⎞ ⎠ ⎟ det = −3A′ A A = ⎛ ⎝ ⎜ 1 2 1 1 1 4 2 3 2 ⎞ ⎠ ⎟ detA = 3 2A = → det2A = 24. ⎛ ⎝ ⎜ 2 4 2 2 2 8 4 6 4 ⎞ ⎠ ⎟ A = → detA = 0. ⎛ ⎝ ⎜ 1 2 0 1 1 0 2 3 0 ⎞ ⎠ ⎟ 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 17/34 Considere a matriz a seguir: O determinante de uma matriz triangular é igual ao produto dos elementos da diagonal principal. Exemplo: Considere a matriz triangular a seguir: Veri�camos que o determinante da matriz anterior será apenas a multiplicação da diagonal principal. Seja A uma matriz quadrada invertível e A-1 sua inversa. Então Exemplo: A matriz é invertível e sua matriz inversa é Calculando e Isso mostra que . praticarVamos Praticar Nesta seção, aprendemos a usar a regra de Sarrus para calcular determinante de matrizes 3x3. O método de cálculo consiste na repetição das duas primeiras colunas da matriz 3x3. Usando esse conceito, calcule o valor de x para que o determinante a seguir tenha valor igual a 6. a) b) c) d) e) A A = → = → det = 3. ⎛ ⎝ ⎜ 1 2 1 1 1 4 2 3 2 ⎞ ⎠ ⎟ AT ⎛ ⎝ ⎜ 1 1 2 2 1 3 1 4 2 ⎞ ⎠ ⎟ AT A = → detA = 20. ⎛ ⎝ ⎜ 1 2 9 0 5 7 0 0 4 ⎞ ⎠ ⎟ det =A−1 1detA A = [ ]1 2 −1 0 = [ ]A−1 0 −1 1 2 1 2 detA = 2 det = .A−1 12 det =A −1 1 det A = 6. ∣ ∣ ∣ ∣ 1 −1 3 2 x 2 x x + 1 x ∣ ∣ ∣ ∣ x = 0 x = 1 x = 2 x = 3 x = 4 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 18/34 De um modo geral, denomina-se equação linear, toda equação que pode ser escrita da seguinte forma: na qual: , , ..., são as incógnitas; são números reais, chamados coe�cientes das incógnitas; é o termo independente. Sistema Linear Sistema linear é um conjunto de m equações e n incógnitas. Representaremos esse conjunto da seguinte forma: Para solucionar esse sistema, temos de encontrar valores para que satisfaçam todas as equações. Um sistema linear pode ser classi�cado de três maneiras: SPI – Sistema possível e indeterminado; SPD – Sistema possível e determinado; SI – Sistema impossível. Exemplo: classi�que os sistemas a seguir como SPD, SPI ou SI e conjunto solução, quando o sistema for possível. Sistemas LinearesSistemas Lineares + + + … + = ba1x1 a2x2 a3x3 anxn x1 , x2 x3 xn , , , … . ,a1 a2 a3 an b ⎧ ⎩ ⎨ ⎪⎪⎪⎪⎪⎪⎪ ⎪⎪⎪⎪⎪⎪⎪ + + + … + =a11x1 a12x2 a13x3 a1nxn b1 + + + … + =a21x1 a22x2 a23x3 a2nxn b2 + + + … + =a31x1 a32x2 a33x3 a3nxn b3 ⋮ ⋮ ⋮ ⋮ ⋮ + + + … + =am1x1 am2x2 am3x3 amnxn bm , , , … , x1 x2 x3 xn 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 19/34 Vamos classi�car os sistemas lineares, usando a interpretação geométrica Para montar o grá�co de uma reta, basta determinar dois pontos. Para isso, atribuiremos valores para x, determinando y. Vamos analisar os grá�cos a seguir: a) Sistema impossível: as retas não têm valores em comum b) Sistema possível e determinado SPD, pois as retas se cortam em apenas 1 ponto, que é a solução do sistema. c) Sistema possível e determinado SPD, pois as duas retas se intersectam em todos os pontos. Existem in�nitas soluções. a) { b) { c) { 4x + 2y = 4 2x + y = 5 3x − 2y = −12 5x + 6y = 8 5x − 10y = 15 2x − 4y = 6 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 20/34 Resolução de Sistemas Lineares – Regra de Cramer A regra de Cramer só pode ser utilizada quando o sistema tiver o mesmo número de incógnitas e de equações. Dado o sistema temos: Exemplo1: Determine a solução dos sistemas lineares a seguir, usando a regra de Cramer: 2x2, { D = x + y =a1 b1 c1 x + y =a2 b2 c2 ∣ ∣ ∣ a1 a2 b1 b2 ∣ ∣ ∣ = = x = y =Dx ∣ ∣ ∣ c1 c2 b1 b2 ∣ ∣ ∣ Dy ∣ ∣ ∣ a1 a2 c1 c2 ∣ ∣ ∣ Dx D Dy D 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 21/34 Exemplo 2: Dado o sistema vamos determinar a regra de Cramer de forma análoga ao sistema : Uma das aplicações em problemas de engenharia seria análise de circuitos elétricos, para calcular as correntes elétricas (i) que passam nesse circuito. Por exemplo, na Figura 2.6, mostramos um circuito que contém resistores (R) e fontes de tensão (Ɛ). Se aplicarmos as leis de Kirchhoff (HALLIDAY, 2016) nesse circuito, vamos obter: { x + y = 6 x − y = 8 D = [ ] = − 2 = [ ] = −14 = [ ] = 21 1 1 −1 Dx 6 8 1 −1 Dy 1 1 6 8 x = = = 7 y = = = −1Dx D −14 −2 Dy D 2 −2 3x3, 2x2 ⎧ ⎩ ⎨ ⎪ ⎪ x + y + z =a1 b1 c1 d1 x + y + z =a2 b2 c2 d2 x + y + z =a3 b3 c3 d3 D = = = ∣ ∣ ∣ ∣ a1 a2 a3 b1 b2 b3 c1 c2 c3 ∣ ∣ ∣ ∣ Dx ∣ ∣ ∣ ∣ d1 d2 d3 b1 b2 b3 c1 c2 c3 ∣ ∣ ∣ ∣ Dy ∣ ∣ ∣ ∣ a1 a2 a3 d1 d2 d3 c1 c2 c3 ∣ ∣ ∣ ∣ = x = y = z = Dz ∣ ∣ ∣ ∣ a1 a2 a3 b1 b2 b3 d1 d2 d3 ∣ ∣ ∣ ∣ Dx D Dy D Dz D 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 22/34 Veja que o método de Cramer pode ser usado para calcular as correntes do circuito acima. praticarVamos Praticar Nesta seção, aprendemos usar a regra de Cramer e vimos que elas podem ser aplicadas para a análise de circuitos elétricos. Considere a Figura 2.6 e use a lei de Kirchhoff. Encontramos a seguinte expressão: O valor das correntes e respectivamente, são, em Ampere: a) 5, 3 e 8. b) 3, 5 e 8. c) 8, 5 e 3. d) 8, 3 e 5. e) 3, 8 e 5. = ⎛ ⎝ ⎜ R1 0 −1 −R2 R2 −1 0 R3 1 ⎞ ⎠ ⎟ ⎛ ⎝ ⎜ I1 I2 I3 ⎞ ⎠ ⎟ ⎛ ⎝ ⎜ ε1 −ε2 0 ⎞ ⎠ ⎟ = ⎛ ⎝ ⎜ 5 0 1 4 4 −1 0 −2 −1 ⎞ ⎠ ⎟ ⎛ ⎝ ⎜ I1 I2 I3 ⎞ ⎠ ⎟ ⎛ ⎝ ⎜ 60 14 0 ⎞ ⎠ ⎟ , I1 I2 ,I3 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 23/34 A eliminação de Gauss, ou método de escalonamento, é um método para se resolver sistemas de equações lineares, como no sistema a seguir: → . Esse método consiste em aplicar sucessivas operações no sistema linear, para que a matriz completa �que com a seguinte forma: Repare que na última linha podemos obter o valor de e, depois, subindo as linhas, obteremos e . Para usar esse método, devemos considerar as seguintes propriedades, que não se modi�cam em um sistema de equações (WINTERLE, 2000): 1. permutar as posições de duas equações quaisquer do sistema; 2. multiplicar ambos os membros de qualquer uma das equações do sistema, por um número real não nulo; 3. substituindo uma equação qualquer por outra obtida pela adição membro a membro dessa equação, com outra na qual foi aplicada a transformação em (b). Exemplo: Resolva o sistema linear a seguir, usando o método de Gauss-Jordan: Solução: inicialmente, devemos escolher um pivô (elemento a11 do sistema) diferente de zero e que seja preferencialmente igual a 1, para facilitar os cálculos. Devemos montar a matriz associada dos coe�cientes e zerar todos os elementos que estão abaixo da diagonal principal. Resolução de SistemasResolução de Sistemas Lineares: Método daLineares: Método da Eliminação de Gauss–Eliminação de Gauss– Jordan (Escalonamento)Jordan (Escalonamento) ⎧ ⎩ ⎨ ⎪ ⎪ x + y + z =a1 b1 c1 d1 x + y + z =a2 b2 c2 d2 x + y + z =a3 b3 c3 d3 ⎛ ⎝ ⎜ a1 a2 a3 b1 b2 b3 c1 d1 c2 d2 c3 d3 ⎞ ⎠ ⎟ ⎛ ⎝ ⎜ a4 0 0 b4 b5 0 c4 d4 c5 d5 c6 d6 ⎞ ⎠ ⎟ z y x 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller24/34 Substituindo na segunda equação Substituindo na primeira equação. A solução pode ser representada de duas maneiras Uma das aplicações de sistemas lineares pode ocorrer no estudo de Química, por exemplo, no balanceamento de reações químicas. Mostramos, na atividade a seguir, a aplicação desse conceito. praticarVamos Praticar Considere a equação para a reação química a seguir: Sejam x, y, z e w inteiros positivos que equilibram a equação ⎧ ⎩ ⎨ ⎪ ⎪ x + 2y + z = 3 2x − 3y − z = 4 3x − 1y − 2z = 1 (−2) . l1 + l2 = ⎡ ⎣ ⎢ 1 2 3 2 −3 −1 1 3 −1 4 −2 1 ⎤ ⎦ ⎥ (−3) . l1 + l3 ⎡ ⎣ ⎢ 1 0 3 2 −7 −1 1 4 −3 −2 −2 1 ⎤ ⎦ ⎥ = (−1) . l2 + l3 ⎡ ⎣ ⎢ 1 0 0 2 −7 −7 1 4 −3 −2 −5 −8 ⎤ ⎦ ⎥ = ⎡ ⎣ ⎢ 1 0 0 2 −7 0 1 4 −3 −2 −2 −6 ⎤ ⎦ ⎥ ⎧ ⎩ ⎨ ⎪ ⎪ x + 2y + z = 3 −7y − 3z = −2 − 2z = −6 −2z = −6 ⇒ z = 3 −7.y − 3.3 = −2 ⇒ − 7.y = 7 ⇒ y = −1 x + 2. (−1) + 3 = 3 ⇒ x − 2 + 3 = 3 ⇒ x = 2 S = (2, − 1, 3) ou X = ⎡ ⎣ ⎢ 2 −1 3 ⎤ ⎦ ⎥ + → C + OC3H8 O2 O2 H2 x + y → zC + w O.C3H8 O2 O2 H2 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 25/34 Igualando o número de átomos de cada tipo de ambos os lados, resulta Hidrogênio: Carbono: Oxigênio: Obteremos o sistema linear Faça o escalonamento do sistema anterior e assinale a opção correta do balanceamento: a) 2 b) c) 5 d) e) 8x = 2w 3x = z 2y = 2z + w + 5 → 2C + 3 OC3H8 O2 O2 H2 + 5 → 3C + 3 OC3H8 O2 O2 H2 + → 3C + OC3H8 O2 O2 H2 + 5 → 3C + 4 OC3H8 O2 O2 H2 + → C + OC3H8 O2 O2 H2 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 26/34 Nesta seção, usaremos o software Excel para a resolução de sistemas lineares. Para isso vamos considerar o seguinte sistema linear: Veja que esse sistema linear pode ser escrito na forma , a seguir: Nosso objetivo será resolver Veri�camos que, para encontrar os valores de x, temos de multiplicar a inversa da matriz A pela matriz b. Mostraremos o passo a passo: 1) Escrevemos a matriz no Excel: 2) Calculamos a inversa da matriz A no Excel, usando o comando matriz.inverso( ). Entre parênteses, devemos selecionar a matriz A. Resolvendo SistemaResolvendo Sistema Lineares com o Uso doLineares com o Uso do ExcelExcel Ax = b = ⎡ ⎣ ⎢ 1 2 3 2 −1 1 1 1 −2 ⎤ ⎦ ⎥ ⎡ ⎣ ⎢ x y z ⎤ ⎦ ⎥ ⎡ ⎣ ⎢ 8 3 2 ⎤ ⎦ ⎥ x = b.A−1 A Figura 2.7 - Construindo a matriz A no Excel Fonte: Elaborada pelo autor. 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 27/34 O resultado da matriz inversa será dado por 3) Por �m, multiplicamos a inversa da matriz A pela matriz b, usando o comando matriz.mult( ) O resultado será dado por: Figura 2.8 - Uso do comando matriz.inverso Fonte: Elaborada pelo autor. 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 28/34 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 29/34 indicações Material Complementar L I V R O História da Matemática Carl B. Boyer Editora: Blucher ISBN: 978-85-212-0023-9 Comentário: esse livro contribuirá para sua formação e conhecimento cultural sobre a Matemática. Trata da relação da nossa sociedade com os números. Um ponto interessante é quando o autor a�rma: “foi a Matemática pura de Apolônio que permitiu, cerca de 1800 anos mais tarde, os Princípios de Newton”.. 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 30/34 F I L M E O Homem que Mudou o Jogo Ano: 2012 Comentário: o �lme conta a história de um técnico de um time de beisebol, que usa técnicas matemáticas para fazer seu time ser campeão. Para saber mais sobre o �lme, acesse o trailer. T R A I L E R 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 31/34 conclusão Conclusão Neste material, tratamos do conceito de matrizes. De�nimos o que seria uma matriz e, depois, apresentamos as operações básicas com o uso de matrizes: adição, subtração e multiplicação por um escalar e multiplicação entre duas matrizes. Esses conceitos foram usados em expressões algébricas, usando matrizes. Posteriormente, apresentamos os métodos de cálculos de determinantes que podem ser de ordem . Para isso, apresentamos a regra para determinante , Sarrus para e, para matrizes de ordem maior, usamos Laplace e Chió. O conceito de determinante foi aplicado na resolução de sistemas lineares. Nessa parte, apresentamos as regras de Cramer e Escalonamento, para calcular as variáveis do sistema linear. Lembrando que essas técnicas são o início para um tratamento computacional. nxn 2x2 3x3 referências Referências Bibliográ�cas HALLIDAY, D. Fundamentos de física: eletromagnetismo. 10. ed. São Paulo: LTC, 2016. HIBBELER, R. C. Estática: mecânica para engenharia. 12. ed. São Paulo: Pearson Prentice Hall, 2011. LEVORATO, G. B. P. Matrizes, determinantes e sistemas lineares: aplicações na Engenharia e Economia. 2017. 180 f. Dissertação (Mestrado em Matemática) – Instituto de Geociências e Ciências Exatas, Universidade Estadual Paulista Júlio de Mesquita Filho, Rio Claro, 2017. MOCCIO, C. R. C. Notas de aula. Matrizes: determinantes, mar./jul. 2018. 20 p. SANTOS, A. M. Aplicação de Matrizes à Computação Grá�ca. IEEE Academic, mar. 2012. Disponível em: https://academic.ieee.org/docs/4h. Acesso em: 3 jan. 2020. WINTERLE, P. Vetores e geometria analítica. São Paulo, Pearson; Makron Books, 2000. https://academic.ieee.org/docs/4h 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 32/34 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 33/34 08/11/2020 Ead.br https://fmu.blackboard.com/webapps/late-Course_Landing_Page_Course_100-BBLEARN/Controller 34/34
Compartilhar